MMMay, 2024

图嵌入方法在社区检测中的稳健性

PDF
TL;DR本研究探讨了在网络扰动（尤其是边缘删除）的情况下，图嵌入方法在社区检测中的鲁棒性。通过对合成和真实网络进行的实验证明了不同家族的图嵌入方法的不同程度的鲁棒性，发现网络大小、初始社区划分强度和扰动类型等因素对鲁棒性的影响。值得注意的是，node2vec 和 LLE 方法在各种不同情况下，包括度和社区大小异质性网络中，一致表现出更高的社区检测鲁棒性。这些发现强调了根据网络的特性和任务的具体要求选择合适的图嵌入方法的重要性，尤其是在鲁棒性对扰动至关重要的情况下。
发现论文，激发创造
  • 经典图结构特征在社区标记上胜过基于因式分解的图嵌入方法

    本研究分析并探讨了基于单节点低维度向量嵌入模型的无监督图表示学习方法在节点对社群标记任务方面的表现，发现相对于经典的基于结构特征的模型，该类模型表现较差且在实践中结果不够稳定，因而在捕获社群结构方面存在局限性。

    Jan, 2022

  • 使用 Node2Vec 学习得到的嵌入进行社区检测和分类保证

    通过对大型网络的节点进行嵌入，得到欧几里德空间中的表示是现代机器学习中的一个常见目标，该研究工作就对 node2vec 学习到的嵌入进行了理论性的分析，证明了其在聚类任务中表现出较弱的一致性，并对其在网络数据中的应用进行了讨论。

    Oct, 2023

  • 网络表示学习：巩固与更新方向

    本研究对 15 个数据集进行了 12 种度量方法的实验研究，其中涵盖了图的非线性降维和表示学习。结果显示，无论是在连接预测还是节点分类任务中，没有一种方法完全胜出。

    May, 2019

  • 图嵌入技术、应用及性能：一项调查

    本文综述了图嵌入技术的各种方法，介绍了三个不同的分类方法的代表性算法，并分析了它们在不同任务上的表现。文章最终结论是提出了一些潜在的应用和未来方向，并介绍了一个名为 GEM 的 Python 库，其中提供了所有介绍的算法作为一个统一的接口，以促进和便利这个领域的研究。

    May, 2017

  • node2vec 的出乎意料的行为

    分析了 node2vec 图嵌入策略在多个方面的嵌入质量，发现其嵌入质量对参数选择不稳定，并提出了实际上的解决方案。

    Jun, 2022

  • 图顶点嵌入：距离、正则化和社区检测

    本文研究图嵌入的质量以及其在社区检测方面的有效性，通过使用灵活的距离函数捕捉不同顶点之间的拓扑距离，将顶点嵌入作为距离矩阵的变换结果进行分析，并在多个基准数据集上进行评估。结果表明，该方法操作于降维表示，使得计算复杂度大为减少，且性能与传统算法相媲美。

    Apr, 2024

  • 网络嵌入作为矩阵分解：DeepWalk、LINE、PTE 和 node2vec 的统一

    本研究提出了 NetMF 方法，通过矩阵分解的方式实现 skip-gram 网络嵌入方法的统一框架，并将各种经典的 skip-gram 方法（DeepWalk、LINE、PTE 和 node2vec）统一到该框架下。此方法是目前常规网络挖掘任务中优于 DeepWalk 和 LINE 的最新算法。

    Oct, 2017

  • 在生物医学网络上的图嵌入：方法、应用和评估

    本文选择 11 种代表性的图嵌入方法，对药物 - 疾病关联、药物 - 药物交互、蛋白质 - 蛋白质相互作用、医学术语语义分类和蛋白功能预测等 5 个生物医学任务的 3 种预测方法进行评估比较，并提出了挑选嵌入方法和设置超参数的普适指导原则。结果表明，最近的图嵌入方法在未使用任何生物学特征的情况下，能够取得与具有生物学特征的方法相媲美的预测性能。

    Jun, 2019

  • 针对非监督式节点嵌入方法的数据污染攻击

    本文研究了无监督节点嵌入方法（如 DeepWalk，LINE 和 node2vec）的鲁棒性问题，提出了一种数据定位攻击来攻击这些方法，针对两种流行的节点嵌入方法（DeepWalk 和 LINE）提出了有效的解决方案，并在多个真实图上评估了攻击模型的性能

    Oct, 2018

  • 稳定动态网络嵌入的简单而强大框架

    本文研究动态网络嵌入的问题，通过应用已建立的静态网络嵌入方法到扩展的展开邻接矩阵，实现对动态网络中节点的解释性和强大的嵌入表示，提供理论保证和假设测试框架以评估动态网络嵌入质量，并证明我们提出的稳定展开方法不仅更易解释，而且比不稳定方法更有表现力。

    Nov, 2023